北京时间11月13日，谷歌发布Gemini 4 Hydrogen。这是谷歌六周内发布的第三款新模型，旗舰Carbon、中档Argon、轻量Hydrogen三线齐整。对开发者来说，这次真正值得研究的是随Hydrogen一起上线的Antigravity Orchestrator（编排器）：同一个任务里动态切换模型，配额消耗减少24%，任务速度提升19%。多模型分工，从论文里的想法变成了产品里的开关。
三条产品线，三种活
谷歌给三款模型的分工写得很清楚。Carbon负责复杂推理、长期规划和高难度软件工程；Argon承担中等问题；Hydrogen主打快速写代码、调用工具和连续执行的日常任务。
第三方评测机构Artificial Analysis的数据可以佐证定位差异。Carbon智能指数60分，Hydrogen最高档位54分，略低于Claude Sonnet 5.5和GPT-6.1 Sol最高档位的55分。轻量模型已经摸到第一梯队的门槛，这在一年前难以想象。
价格账本：3.16美元干完一项标准任务
Hydrogen的API定价为每百万输入Token 1.5美元、输出7.5美元。Artificial Analysis测算，最高xhigh档位下完成一项标准评测任务的平均成本约3.16美元，是Claude Sonnet 5.5最高档位的三分之一，但仍是GPT-6.1 Sol的2.5倍。
三个数字放在一起，选型逻辑浮现出来：Claude Sonnet 5.5最贵，GPT-6.1 Sol最便宜，Hydrogen卡在中间。如果你的Agent任务里80%都是高频轻活，全跑旗舰模型是在烧钱；全跑低价小模型，质量又可能不够。混合编排正好卡在这个点上。
Terminal-Bench 4.1：从18.2%到57%
Hydrogen的执行能力提升幅度更大。与上一代Gemini 3.8 Flash相比，high档位下完成任务速度达到2.5倍；Terminal-Bench 4.1（考察AI智能体终端编程能力）成绩从18.2%冲到57%，编造虚假信息的情况减少超过80%。
幻觉数据同样亮眼。AA-Omniscience测试中Hydrogen幻觉率约8%，Artificial Analysis称这是有记录以来最低水平之一。对照之下，Claude Sonnet 5.5和GPT-6.1 Sol最高档位分别为43%和52%。写代码的Agent最怕胡编API文档，8%的幻觉率意味着重试成本大幅下降。
Orchestrator怎么用
谷歌在AI编程平台Antigravity里推出的Orchestrator，把多模型协作做成了默认选项。官方博客给的分工示例：Carbon和Argon负责系统架构设计、技术判断和疑难问题分析；Hydrogen承担写代码、跑测试、验证修改这类高频执行工作。
实测结果来自Terminal-Bench 4.0：整套系统的任务成功率接近单独使用Carbon，平均配额消耗减少24%，任务完成速度提升19%。翻译成人话——用小模型干粗活、大模型做决策，账单直接打七六折。
Python开发者可以马上做的三件事
第一，把Agent流水线里的任务分级。规划、复杂调试留给旗舰模型，代码生成和格式转换交给轻量模型，成本差异在3倍以上。
第二，接入时用官方SDK的模型路由参数。Gemini API已支持按任务复杂度自动选择模型，免费用户也能在Gemini应用里通过自动模型选择用到Hydrogen。
第三，盯住竞争格局。用户评价里已经有”如果谷歌保持这个速度，3个月内可能超过Anthropic”的声音。OpenAI下一代旗舰迟迟未发，模型选型的窗口期正在打开，每季度重新跑一遍自己的评测集，别让上季度的结论替你付这个季度的账单。
六周三发，谷歌用行动证明：AI竞争的下半场拼的是让不同规模的模型各干各的活。开发者手里第一次有了完整的”高中低配”工具箱，账单怎么写，取决于你愿不愿意动手编排。
苏公网安备32010502011527号
发表回复